一种可验证的隐私保护的机器学习分类器系统技术方案

本发明专利技术提供了一种可验证的隐私保护的机器学习分类器系统，在隐私数据上使用给定的已经通过训练的机器学习分类器，采用两种私有可委托方案中的任意一种或者采用公开可委托方案。本发明专利技术提供了一种可验证的隐私保护的机器学习分类器系统，同时实现了数据隐私性和可验证性，并且提供了多个方案以满足不同应用场景的需求，具有很强的应用价值。具有很强的应用价值。具有很强的应用价值。

【技术实现步骤摘要】
一种可验证的隐私保护的机器学习分类器系统


[0001]本专利技术涉及一种可验证的隐私保护的机器学习分类器系统。

技术介绍

[0002]机器学习分类器已经广泛地应用于疾病诊断、面部识别、银行放贷等领域，这些领域往往涉及大量数据。在本地存储数据并在数据上进行计算需要耗费大量的计算、存储资源。随着云服务技术日益完善、成熟，云服务的费用也越来越低，这吸引了大量的医院、银行等机构倾向于将数据委托给云服务器存储、维护。但也带来了一些安全问题。
[0003]首先，银行、医院等机构所委托的数据可能具有高度隐私性，例如病人的身体体征数据、银行客户的财务数据等。被委托的隐私数据可能被云服务器或来自云服务器外部的攻击者获知，存在极大的数据泄露风险。采用RSA、AES等传统的加密方式将数据加密为密文虽然可以保护数据的隐私性，但不能在RSA、AES加密的密文上应用机器学习分类器。
[0004]再者，当机构要求云服务器在大量数据上应用机器学习分类器时，云服务器可能为了减少工作量或被恶意攻击者挟持的情况下返回错误的计算结果。现有的技术方案无法同时解决上述安全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可验证的隐私保护的机器学习分类器系统，在隐私数据上使用给定的已经通过训练的机器学习分类器，其特征在于，包括一个提供数据并且想获取计算结果的客户端以及m个不需要通信的云服务器，采用两种私有可委托方案中的任意一种，其中一种私有可委托方案的运行过程包括以下步骤：步骤101、根据安全参数λ生成公钥pk、私钥sk和验证密钥vk＝(vk1，...，vk
m
)，其中：公钥pk被发送给客户端和所有m个云服务器，私钥sk和验证密钥vk只被发送给客户端；步骤102、客户端使用私钥sk将隐私数据x
i
加密为m个密文s
i，1，
...，s
i,m
，其中，第j个密文s
i,j
被发送给第j个云服务器，j＝1，...，m；步骤103、第j个云服务器根据公钥pk、密文s
1,j
，...，s
n,j
和函数f计算并发送部分计算结果y
j
以及计算结果y
j
的标签τ
j
给客户端；步骤104、客户端使用vk＝(vk1，...vk
m
)中的验证密钥vk
j
和标签τ
j
检验计算结果y
j
的正确性：如果对所有部分计算结果y1，...，y
m
验证通过，则客户端利用私钥sk和y1，...，y
m
重构计算结果y；否则，客户端认为服务器返回的部分计算存在错误；另外一种私有可委托方案的运行过程包括以下步骤：步骤201、根据安全参数λ生成同态加密算法的公钥pk和私钥sk，并生成验证密钥vk，其中，公钥pk被发送给客户端和所有m个服务器，私钥sk和验证密钥vk只会被发送给客户端；步骤202、客户端使用公钥pk和验证密钥vk将隐私数据x
i
加密为m个密文s
i，1
，...，s
i,m
，其中，第j个密文s
i,j
被发送给第j个云服务器，j＝1，...，m；步骤203、第j个云服务器根据公钥pk、密文s
1,j
，...，s
n,j
和函数f计算并发送部分计算结果y
j
...

【专利技术属性】
技术研发人员：陈昕，张良峰，
申请(专利权)人：上海科技大学，
类型：发明
国别省市：